Ayrıca istatistiklere benzer bir soru bakın .
Gelen artırılması gibi algoritmalar AdaBoost ve LPBoost o "zayıf" öğrencilerin Wikipedia'dan, yararlı olduğu daha iyi şans daha gerçekleştirmek zorunda sadece kombine edilecek bilinmektedir:
Kullandığı sınıflandırıcılar zayıf olabilir (yani, önemli bir hata oranı gösterir), ancak performansları rastgele olmadığı sürece (ikili sınıflandırma için 0,5 hata oranıyla sonuçlanır), nihai modeli geliştirir. Hata oranı rasgele bir sınıflandırıcıdan beklenenden daha yüksek olan sınıflandırıcılar bile faydalı olacaktır, çünkü sınıflandırıcıların son lineer kombinasyonunda negatif katsayılara sahip olacaklar ve bu yüzden tersleri gibi davranacaklardır.
Güçlü öğrenenler yerine zayıf kullanmanın yararları nelerdir? (örneğin, neden "güçlü" öğrenme yöntemlerini desteklemiyorsunuz - daha fazla donanım almaya meyilli miyiz?)
Zayıf öğrenciler için bir çeşit "optimal" güç var mı? Bu, topluluktaki öğrenci sayısıyla mı ilgili?
Bu soruların cevaplarını yedeklemek için herhangi bir teori var mı?